Computer Vision Toolbox 提供算法、App 和 AI 模型，用于设计、仿真、标定和部署计算机视觉系统。您可以执行目标检测和跟踪、特征匹配以及光流。您可以自动化相机标定，包括多传感器配置。对于三维视觉，该工具箱支持运动恢复结构、实时 SLAM 和新视图合成，例如 NeRF。计算机视觉 App 支持标定和多用户图像与视频标注，包括自动化功能。
该工具箱提供 AI 方法，包括预训练的卷积神经网络、视觉 Transformer 和视觉语言模型。您可以使用这些预训练模型执行图像分类、目标检测、分割、姿态估计、图像描述、视觉问答和 OCR 等任务，也可以通过迁移学习对其进一步自定义。
您可以生成 C/C++ 和 HDL 代码，也可以针对 GPU 或 NPU 硬件目标生成代码（使用 MATLAB Coder、HDL Coder、GPU Coder 和硬件支持包）。您也可以编译自定义 App（使用 MATLAB Compiler）。
深度学习和机器学习
训练机器学习模型和深度学习网络，或使用预训练网络，进行目标检测和分割。评估这些网络的性能，并通过生成 C/C++ 或 CUDA® 代码部署这些网络。
代码生成和第三方支持
基于您的计算机视觉算法生成代码，用于快速原型构建、部署和验证。将基于 OpenCV 的工程和函数集成到 MATLAB 和 Simulink 中。
产品资源：
“我们通过几行 MATLAB 代码即可访问机器学习功能。然后，工程师可以使用代码生成将经过训练的分类器部署到机器中，而此过程中无需手动干预，也不会有延迟。”
Computer Vision Toolbox 常见问题解答
Computer Vision Toolbox 提供用于设计和测试计算机视觉系统的算法和 App，涵盖视觉检测、目标检测与跟踪，以及特征检测、提取和匹配。
该工具箱提供预训练的卷积神经网络 (CNN)、视觉 Transformer 以及视觉语言模型，适用于图像分类、目标检测、分割、姿态估计、图像描述生成、视觉问答 (VQA) 及光学字符识别 (OCR) 等任务，此外还提供用于光流和 3D 深度估计等视觉任务的零样本模型。
可以。视频标注器和图像标注器支持基于团队的真实值标注，并提供针对目标检测、语义分割、实例分割和场景分类的自动化工作流程。
Computer Vision Toolbox 可使用相机标定器、立体相机标定器、多相机标定器或内置函数，自动执行单目、鱼眼、双目及多相机配置的标定工作流程。
是的，该工具箱支持双目视觉、运动恢复结构、神经辐射场 (NeRF) 和实时视觉 SLAM，可用于 3D 视觉应用。
您可以生成用于 GPU 执行的 C、C++ 和 CUDA 代码，以及用于快速原型构建、部署和验证的硬件描述语言 (HDL) 代码。
